For the complete documentation index, see llms.txt. This page is also available as Markdown.

MiniMax M2.7 (229B MoE para código)

Despliega MiniMax M2.7 (229B MoE) en Clore.ai: la versión autoalojada de pesos abiertos detrás del impulso del agente de codificación de MiniMax, con despliegue de un solo nodo FP8 en H100/H200

Estado (abril de 2026): MiniMax M2.7 se publicó en HuggingFace el 9 de abril de 2026 por MiniMaxAI y alcanzó 496 mil descargas en tres semanas — por adopción, el mayor lanzamiento de pesos abiertos de nuestra actualización de abril. Los pesos están en huggingface.co/MiniMaxAI/MiniMax-M2.7 bajo una licencia personalizada de MiniMax (licencia: otra). Es no Apache/MIT — lee el archivo LICENSE antes de cualquier despliegue comercial.

MiniMax M2.7 es un modelo Mixture-of-Experts de 229 mil millones de parámetros (256 expertos, 8 activos por token) y la última entrada de la familia M2 de MiniMax — una línea construida alrededor de posentrenamiento autoevolutivo / impulsado por RL y codificación agéntica cargas de trabajo. La versión 2.7 es la contraparte pública y autoalojable del agente de codificación alojado de MiniMax y MiniMax la posiciona como competitiva con Claude Sonnet 4.5 en benchmarks agénticos, acercándose al territorio de Claude Opus 4.6 en algunos de ellos.

El detalle arquitectónico interesante es Pensamiento Intercalado (introducido en M2.1 y refinado en 2.5/2.7): el modelo alterna <think> bloques de razonamiento con generación normal a lo largo de llamadas a herramientas de múltiples turnos, por lo que la cadena de pensamiento sobrevive entre idas y vueltas de llamadas a funciones en lugar de descartarse en cada turno. Eso es lo que lo hace interesante para agentes de largo horizonte: el rastro de razonamiento no se reinicia cada vez que alcanzas un tool_use límite.

Para los usuarios de Clore.ai, la noticia práctica es que M2.7 se ofrece con un checkpoint FP8 (float8_e4m3fn) en el repositorio oficial. Eso hace que un despliegue en un solo nodo sea alcanzable en 4× H100 80GB o 2× H200 141 GB — no se necesitan octetos H200 ni racks de 16 GPU. Si has estado ejecutando GLM-5.1 y quieres un segundo modelo de pesos abiertos en tu pila de agentes con un perfil de sesgo diferente, este es el que debes combinar con él.

Especificaciones clave

Propiedad
Valor

Parámetros totales

229B (MoE, 256 expertos)

Expertos por token

8 de 256

Parámetros activos

No publicado oficialmente — ver ficha del modelo. La familia M2 históricamente ~10B activos; verifica antes de citarlo públicamente.

Tamaño oculto / capas

3,072 / 62

Atención

48 cabezas, 8 KV (GQA)

Ventana de contexto

204.800 tokens (200K)

Tipos de tensor

F32, BF16, F8_E4M3

MTP

Predicción de múltiples tokens habilitada (3 módulos MTP)

Licencia

MiniMax personalizado — no comercial por defecto

Fecha de lanzamiento

9 de abril de 2026

Descargas en HF (3 semanas)

~496 mil

Muestreo recomendado

temperature=1.0, top_p=0.95, top_k=40

Herramientas principales

vLLM, SGLang, Transformers, KTransformers, MLX-LM

¿Por qué MiniMax M2.7?

  • Pesos abiertos a 229B — el mayor modelo de codificación de pesos abiertos "real" que todavía cabe en un solo nodo 4×H100 en FP8

  • Pensamiento Intercalado — <think> los bloques sobreviven entre turnos de llamadas a herramientas, lo cual es realmente útil para agentes de estilo SWE

  • Enfoque de codificación multilingüe — MiniMax promociona un rendimiento sólido en Rust, Go, Java, Kotlin, Swift y TypeScript, no solo en Python

  • Señal de adopción — 496 mil descargas en tres semanas es la acogida comunitaria más fuerte de cualquier lanzamiento de pesos abiertos de abril de 2026 que hayamos seguido

  • Compatibilidad con MTP — la decodificación especulativa mediante módulos Multi-Token Prediction está integrada, lo que se traduce en rendimiento real en H100/H200

  • Alternativa alojada — si tu carga de trabajo supera un solo nodo, existe el endpoint alojado de MiniMax; no tienes que decidirlo en la arquitectura


Requisitos

Componente
Aficionado (INT4 GGUF, descarga parcial)
Recomendado (FP8 en un solo nodo)
BF16 completo

VRAM de GPU

GPU de 24–48 GB + descarga parcial a RAM de 128 GB+

4× H100 80GB o 2× H200 141 GB

8× H100 80 GB / 4× H200 141 GB

VRAM total

~48 GB de GPU + descarga parcial

320 GB / 282 GB

640 GB / 564 GB

RAM

128GB

256GB

512GB

Disco

200 GB NVMe

400 GB NVMe

600 GB NVMe

CUDA

12.8+

12.8+

12.8+

Elección de Clore.ai: El checkpoint FP8 en 2× H200 es el objetivo de despliegue más limpio: divisiones tensoriales mínimas, menos saltos NCCL y las matemáticas para un contexto de 200K simplemente funcionan. 4× H100 es la alternativa más barata si el stock de H200 es ajustado.


Opción A — Ollama / GGUF (cuantizado)

Solo para uso aficionado. Para cargas de trabajo reales usa vLLM o SGLang contra el checkpoint FP8.


Opción B — vLLM (API de producción, recomendado)

vLLM es el objetivo de servicio de primera clase. El checkpoint FP8 oficial es el que debes usar: la misma calidad que BF16 con aproximadamente la mitad de la VRAM.

docker-compose.yml — 4× H100 80 GB

docker-compose.yml — 2× H200 141 GB

Reduce --tensor-parallel-size a 2 y aumenta --max-model-len para usar el margen:

Prueba rápida

No bajes temperature por debajo de 1.0. El muestreo recomendado por MiniMax es T=1.0, top_p=0.95, top_k=40. La decodificación greedy rompe silenciosamente la <think> intercalación en llamadas a herramientas de múltiples turnos.


Opción C — SGLang

El programador MoE de SGLang compite con vLLM en Hopper y a menudo gana en completions de codificación de contexto largo gracias a que la decodificación especulativa EAGLE se apila con los módulos MTP de M2.7.

Espera una mejora de rendimiento de ~1.5–2× sobre vLLM estándar en trazas de agente largas. Reduce --tp-size a 2 en H200.


Recomendaciones de GPU para Clore.ai

Configuración
VRAM
Rendimiento esperado
Coste de Clore.ai

1× RTX 4090 24 GB + descarga parcial a RAM

24 GB + 128 GB

INT4 aficionado, ~5–10 tok/s

$0.14–0.42/h

4× A100 80 GB

320GB

BF16 fragmentado, ~15–25 tok/s

4× H100 80 GB (FP8)

320GB

FP8 en producción, ~40–60 tok/s

~4,16 $/h

2× H200 141 GB (FP8)

282 GB

FP8 en producción, ~50–70 tok/s, contexto completo de 200K

8× H100 80GB

640GB

BF16 completo, ~80+ tok/s

~8,32 $/h

Alquila las máquinas aquí:


Casos de uso

  • Agentes SWE multilingües — Rust, Go, Java, Kotlin, Swift y TypeScript reciben tratamiento de primera clase, no solo Python/JS

  • Bucles de llamadas a herramientas de largo horizonte — el Pensamiento Intercalado mantiene vivo el rastro de razonamiento a través de cientos de tool_use idas y vueltas

  • Auditorías de bases de código — el contexto de 200K cabe un servicio de tamaño medio junto con sus pruebas en un solo prompt

  • Canalizaciones de refactorización — corrección sostenida a través de muchas ediciones de archivos mediante los módulos MTP

  • Orquestación de agente de agentes — usa M2.7 como planificador junto con un modelo más pequeño (Qwen3.5, GLM-4.7-Flash) como trabajador

  • Alternativa autoalojada a Claude Sonnet/Opus para investigación de codificación no comercial — pero lee primero la licencia


Pruebas comparativas

Benchmark
MiniMax M2.7
Claude Sonnet 4.5 (referencia del proveedor)
Claude Opus 4.6 (referencia del proveedor)
GPT-5.3-Codex

SWE-Pro

56.22%

~55%

~57.3%

56.2%

VIBE-Pro

55.6%

—

~57%

—

Terminal Bench 2

57.0%

—

—

—

GDPval-AA (ELO)

1495

—

—

—

La formulación de MiniMax: M2.7 iguala o supera a Claude Sonnet 4.5 en la suite de codificación agéntica que les importa, y queda a pocos puntos de Claude Opus 4.6 en SWE-Pro / VIBE-Pro. Tómalo como una señal direccional, no como una clasificación cerrada: la brecha con los modelos cerrados de frontera se reduce en cada lanzamiento.


Familia MiniMax M2

Versión
Lanzamiento
Enfoque arquitectónico
Recomendado para

M2

Oct 2025

Lanzamiento inicial de 229B MoE, codificación ajustada con RL

Referencia / histórico

M2.1

Dic 2025

Pensamiento Intercalado introducido

La versión más temprana que vale la pena ejecutar para agentes

M2.5

Feb 2026

Posentrenamiento RL autoevolutivo, contexto más largo

Buen modelo de codificación si tienes poco espacio en disco

M2.7

9 abr 2026

Codificación multilingüe refinada, MTP, FP8 oficial

Elección por defecto — usa esta

Si empiezas desde cero, salta las versiones anteriores y ve directamente a M2.7. Las diferencias arquitectónicas se acumulan y la ergonomía de FP8 es notablemente mejor.


Solución de problemas

Problema
Solución

OutOfMemoryError en la carga FP8

Necesita ~230 GB de VRAM. Usa 4× H100 80 GB o 2× H200 141 GB. Reduce --max-model-len a 32768 primero.

Descarga lenta de HuggingFace

huggingface-cli download MiniMaxAI/MiniMax-M2.7 --local-dir ./weights --resume-download. Espera ~230 GB FP8 / ~460 GB BF16.

Llamadas a herramientas descartadas silenciosamente

Establece --enable-auto-tool-choice --tool-call-parser hermes en vLLM. M2.7 usa etiquetas de herramientas estilo Hermes.

<think> bloques vacíos o corruptos

El muestreo debe ser temperature=1.0, top_p=0.95, top_k=40. La decodificación greedy rompe el Pensamiento Intercalado.

Errores de MTP / discrepancia de formas

Actualiza vLLM a la última versión estable; el soporte MTP llegó tarde y las compilaciones antiguas no incluyen los módulos.

OOM de contexto 200K en H100

Usa --enable-chunked-prefill y empieza en --max-model-len 65536. El 200K completo en realidad requiere H200.

Confusión de licencia

Por defecto = no comercial. Envía un correo a api@minimax.io con el asunto "M2.7 licensing" antes de cualquier uso en un producto de pago.


Siguientes pasos

  • Hermano de audio: MiniMax Speech — mismo proveedor, generación de audio/voz

  • Alternativa con licencia abierta: GLM-5.1 — 744B / 40B activos, licencia MIT, top SWE-Bench Pro

  • Alternativa de contexto masivo: DeepSeek V4 — 1M de contexto, multimodal

  • Opción agéntica más barata: GLM-4.7 Flash — cabe en un solo H100, MIT

  • Marketplace de Clore.ai: clore.ai/marketplace — H100/H200/A100 del mercado spot

Enlaces

Última actualización

¿Te fue útil?